[發(fā)明專利]再入院預(yù)測模型訓(xùn)練方法、再入院預(yù)測方法、裝置及設(shè)備

在審

• 申請?zhí)枺?/td>: 202310317837.8
• 申請日: 2023-03-28
• 公開（公告）號: CN116344052A
• 公開（公告）日: 2023-06-27
• 發(fā)明（設(shè)計）人: 張巖波;閆晶晶;田晶;楊曉敏;楊弘;解賽君
• 申請（專利權(quán)）人: 山西醫(yī)科大學(xué);山西中醫(yī)藥大學(xué)
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H10/60;G06F18/213;G06F18/214
• 代理公司: 北京三聚陽光知識產(chǎn)權(quán)代理有限公司 11250
• 代理人: 胡曉靜

1.一種再入院預(yù)測模型訓(xùn)練方法，其特征在于，所述方法包括：

獲取歷史心衰患者的臨床數(shù)據(jù)；

基于所述臨床數(shù)據(jù)，提取與心衰患者再入院結(jié)局相關(guān)的特征，得到第一訓(xùn)練集；

基于所述第一訓(xùn)練集，構(gòu)建因果網(wǎng)絡(luò)模型，對所述因果網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到最優(yōu)因果網(wǎng)絡(luò)結(jié)構(gòu)；

基于所述最優(yōu)因果網(wǎng)絡(luò)結(jié)構(gòu)，剔除所述第一訓(xùn)練集中與心衰患者再入院結(jié)局無因果關(guān)系的特征，得到第二訓(xùn)練集；

基于所述第二訓(xùn)練集，構(gòu)建目標(biāo)再入院預(yù)測模型，對所述目標(biāo)再入院預(yù)測模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的目標(biāo)再入院預(yù)測模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述臨床數(shù)據(jù)，提取與心衰患者再入院結(jié)局相關(guān)的特征，得到第一訓(xùn)練集，包括：

基于所述臨床數(shù)據(jù)，確定特征變量、結(jié)局變量及干預(yù)變量；

對所述臨床數(shù)據(jù)進(jìn)行缺失值填補(bǔ)，得到第一數(shù)據(jù)集；

基于所述特征變量，對所述第一數(shù)據(jù)集進(jìn)行變量值截斷，得到第二數(shù)據(jù)集；

基于所述結(jié)局變量，對所述第二數(shù)據(jù)集進(jìn)行不均衡處理，得到第三數(shù)據(jù)集；

對所述第三數(shù)據(jù)集進(jìn)行單因素分析篩選與心衰患者再入院結(jié)局相關(guān)的特征，得到所述第一訓(xùn)練集。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述第一訓(xùn)練集，構(gòu)建因果網(wǎng)絡(luò)模型，對所述因果網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到最優(yōu)因果網(wǎng)絡(luò)結(jié)構(gòu)，包括：

基于所述第一訓(xùn)練集，確定目標(biāo)特征變量，構(gòu)建第一局部結(jié)構(gòu)；

計算所述第一局部結(jié)構(gòu)的評分值，確定評分值最大的第二局部結(jié)構(gòu)；

計算所述第二局部結(jié)構(gòu)中每一特征變量對應(yīng)局部結(jié)構(gòu)的評分值，將評分值最大的局部結(jié)構(gòu)作為最優(yōu)因果網(wǎng)絡(luò)結(jié)構(gòu)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于所述第一訓(xùn)練集，確定目標(biāo)特征變量，構(gòu)建第一局部結(jié)構(gòu)，包括：

基于所述第一訓(xùn)練集，計算得到特征變量之間的最小關(guān)聯(lián)度；

基于所述最小關(guān)聯(lián)度，確定所述目標(biāo)特征變量，獲取所述目標(biāo)特征變量對應(yīng)的初始節(jié)點集；

將特征變量中與所述目標(biāo)特征變量之間的關(guān)聯(lián)度不為0的第一特征變量加入所述初始節(jié)點集，構(gòu)建第一局部結(jié)構(gòu)。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述第二訓(xùn)練集，構(gòu)建目標(biāo)再入院預(yù)測模型，對所述目標(biāo)再入院預(yù)測模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的目標(biāo)再入院預(yù)測模型，包括：

基于所述第二訓(xùn)練集，構(gòu)建多任務(wù)學(xué)習(xí)模型，所述多任務(wù)學(xué)習(xí)模型的學(xué)習(xí)任務(wù)包括：再入院概率和再入院干預(yù)方式；

基于所述干預(yù)變量，對所述第二訓(xùn)練集進(jìn)行劃分，得到干預(yù)后的處理組與未干預(yù)的對照組；

基于所述處理組與對照組，對所述多任務(wù)學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到所述目標(biāo)再入院預(yù)測模型。

6.一種再入院預(yù)測方法，其特征在于，所述方法包括：

獲取目標(biāo)心衰患者的目標(biāo)臨床數(shù)據(jù)；

將所述目標(biāo)臨床數(shù)據(jù)輸入目標(biāo)再入院預(yù)測模型中，推斷得到所述目標(biāo)臨床數(shù)據(jù)對應(yīng)發(fā)生再入院概率及再入院干預(yù)方式，其中，所述目標(biāo)再入院預(yù)測模型是利用權(quán)利要求1-5任意一項所述的再入院預(yù)測模型訓(xùn)練方法訓(xùn)練得到的。

7.一種再入院預(yù)測模型訓(xùn)練裝置，其特征在于，所述裝置包括：

第一獲取單元，用于獲取歷史心衰患者的臨床數(shù)據(jù)；

特征提取單元，用于基于所述臨床數(shù)據(jù)，提取與心衰患者再入院結(jié)局相關(guān)的特征，得到第一訓(xùn)練集；

第一構(gòu)建單元，用于基于所述第一訓(xùn)練集，構(gòu)建因果網(wǎng)絡(luò)模型，對所述因果網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到最優(yōu)因果網(wǎng)絡(luò)結(jié)構(gòu)；

篩選單元，用于基于所述最優(yōu)因果網(wǎng)絡(luò)結(jié)構(gòu)，剔除所述第一訓(xùn)練集中與心衰患者再入院結(jié)局無因果關(guān)系的特征，得到第二訓(xùn)練集；

第二構(gòu)建單元，用于基于所述第二訓(xùn)練集，構(gòu)建目標(biāo)再入院預(yù)測模型，對所述目標(biāo)再入院預(yù)測模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的目標(biāo)再入院預(yù)測模型。